圖像低層特征提取與檢索技術(shù)

前言

　　隨著信息社會的發(fā)展，大容量存儲設(shè)備和數(shù)字化設(shè)備的出現(xiàn)和廣泛使用，以及多媒體技術(shù)和網(wǎng)絡(luò)技術(shù)的迅速普及，圖像數(shù)據(jù)呈現(xiàn)幾何級數(shù)的增長趨勢，于是出現(xiàn)了大容量的圖像數(shù)據(jù)庫。一般的文字搜索引擎對于圖像數(shù)據(jù)來說，幾乎束手無策，于是如何迅速、準(zhǔn)確地從浩瀚的圖像庫中檢索到所需要的圖像成了近年來多媒體領(lǐng)域研究的熱點(diǎn)問題。因此，如何將圖像處理、計(jì)算機(jī)視覺等技術(shù)與傳統(tǒng)數(shù)據(jù)庫技術(shù)相結(jié)合，建立基于對多媒體內(nèi)容自動或半自動的新一代有效檢索手段便成為迫切的需求。目前，國際上廣泛開展的基于內(nèi)容的圖像檢索技術(shù)（Content－BasedImageRetrieva！CBIR）研究就是針對這一挑戰(zhàn)的?！　♂槍BIR技術(shù)的研究，國外至今已經(jīng)出版了大量的著作，國際上每年也都召開許多信息處理方面的學(xué)術(shù)會議，許多大會都有圖像檢索技術(shù)的主題和分會。但是，目前國內(nèi)有關(guān)CBIR方面的著作卻很少。早期著作如2002年清華大學(xué)出版社出版的莊越挺等的著作（（網(wǎng)上多媒體信息分析與檢索》及2003年科學(xué)出版社出版的章毓晉的著作《基于內(nèi)容的視覺信息檢索》，這兩部著作對CBIR技術(shù)的研究內(nèi)容作了一定的闡述。2007年，清華大學(xué)出版社出版了周明全等的著作《基于內(nèi)容圖像檢索技術(shù)》，該書對cBIR技術(shù)在一定程度上作了較全面的論述?！　BIR技術(shù)涉及圖像處理、計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、模式識別、數(shù)據(jù)庫技術(shù)及人機(jī)交互等諸多領(lǐng)域，內(nèi)容十分廣泛。并且，CBIR中的圖像“內(nèi)容”包含三個(gè)層次：①感知層——視覺上圖像的顏色、紋理、形狀、輪廓等特征，這些特征屬于圖像的低層特征；②認(rèn)知層——圖像中的主體、對象以及對象間的關(guān)系等；③情感層——用戶對圖像內(nèi)容的理解及個(gè)人的情感因素。通常認(rèn)知層及情感層特征又稱語義特征。因此，僅靠一本著作來對圖像檢索技術(shù)進(jìn)行全面的論述是很難完成的，同時(shí)也很難在各個(gè)方面展開深入的討論。本書在論述CBIR技術(shù)時(shí)，重點(diǎn)放在圖像低層特征（感知層特征）的提取及檢索技術(shù)上?！　∪珪?章，分為三部分內(nèi)容。第一部分概述（第l、2章）：第l章，概括介紹圖像檢索技術(shù)的發(fā)展、國內(nèi)外研究現(xiàn)狀、應(yīng)用領(lǐng)域及經(jīng)典的CBIR系統(tǒng)；第2章，介紹CBIR的基本檢索原理、圖像內(nèi)容層次、匹配技術(shù)以及性能評價(jià)準(zhǔn)則等CBIR關(guān)鍵技術(shù)。第二部分為圖像低層特征提取技術(shù)（第3～6章），詳細(xì)論述了圖像顏色、形狀、紋理及壓縮域等低層特征提取算法，以及作者在這些領(lǐng)域所取得的研究成果。第三部分（第7章）論述了高維索引技術(shù)，分析了CBlR中“維數(shù)災(zāi)難”產(chǎn)生的原因，并介紹了常用的解決方法及作者取得的成果。

內(nèi)容概要

　　本書對基于內(nèi)容的圖像檢索技術(shù)（CBIR）的基本原理、典型方法和研究進(jìn)展進(jìn)行了比較詳細(xì)的介紹和討論，并融入了作者多年宋的相關(guān)研究成果。本書層次分明，內(nèi)容翔實(shí)，理論分析與算法實(shí)踐相結(jié)合，力求實(shí)用。本書共7章：第1章介紹CBIR的體系結(jié)構(gòu)、發(fā)展歷程及發(fā)展趨勢；第2章介紹CBIR所涉及的關(guān)鍵技術(shù)；第3～5章詳細(xì)討論了常用圖像低層特征(顏色、形狀、紋理)的提取與描述算法；第6～7章論述基于壓縮域的圖像檢索技術(shù)及高維索引技術(shù)。書中各章共列出了400多篇有代表性的參考文獻(xiàn)，附在各章的末尾，供讀者參考?！　”緯勺鳛楦叩仍盒Ｓ?jì)算機(jī)科學(xué)、信號和信息處理、圖書情報(bào)等專業(yè)的研究生或高年級本科生的專業(yè)基礎(chǔ)課輔助教材，也可供廣大從事模式識別、多媒體分析、信息檢索等研究、應(yīng)用和開發(fā)領(lǐng)域的科技工作者和高等院校師生參考。

書籍目錄

第1章　緒論  1.1  圖像檢索技術(shù)發(fā)展歷程    1.1.1　基于文本的圖像檢索    1.1.2　基于內(nèi)容的圖像檢索技術(shù)  1.2　基于內(nèi)容圖像檢索技術(shù)研究內(nèi)容    1.2.1　特征提取及匹配    1.2.2　索引機(jī)制    1.2.3　用戶接口  1.3　國內(nèi)外研究狀況    1.3.1　國內(nèi)外研究現(xiàn)狀    1.3.2　國內(nèi)外研究熱點(diǎn)  1.4　CBIR技術(shù)應(yīng)用  1.5　經(jīng)典CBIR系統(tǒng)介紹    1.5.1  QBIC    1.5.2  Virage    1.5.3  Photobook    1.5.4  VisualSEEK和WebSEEK    1.5.5  Blobworld    1.5.6  Netra    1.5.7  MARS    1.5.8  SIMPLicity    1.5.9　其他系統(tǒng)  1.6　本書內(nèi)容安排  參考文獻(xiàn)第2章　基于內(nèi)容圖像檢索關(guān)鍵技術(shù)  2.1　CBIR的基本檢索原理  2.2　圖像內(nèi)容及檢索層次    2.2.1　圖像內(nèi)容    2.2.2　圖像檢索層次  2.3  常用的低層視覺特征描述方法    2.3.1　顏色特征    2.3.2　紋理特征    2.3.3　形狀特征    2.3.4　MPEG-7中的圖像特征描述符  2.4　特征匹配技術(shù)    2.4.1　計(jì)量定理    2.4.2　常用的匹配算法    2.4.3　精確查詢與近似查詢  2.5　性能評價(jià)準(zhǔn)則    2.5.1　精確度和檢索率    2.5.2　命中準(zhǔn)確率    2.5.3　排序值評測法    2.5.4　ANMRR    2.5.5　前N個(gè)結(jié)果的正確率與檢索率  參考文獻(xiàn)第3章　基于顏色特征的圖像檢索  3.1　引言  3.2　顏色空間    3.2.1　顏色基礎(chǔ)    3.2.2  RGB顏色空間    3.2.3  HSV顏色空間    3.2.4  CIEL a b+和CIEL u v 顏色空間    3.2.5  YCrCb顏色空間　3.3　顏色量化    3.3.1　顏色量化的定義    3.3.2　常用的顏色量化方法　3.4　全局顏色特征    3.4.1　顏色直方圖    3.4.2　改進(jìn)的顏色直方圖方法    3.4.3　顏色不變量    3.4.4　圖像主色    3.4.5　色調(diào)直方圖　……第4章　基于形狀特征的圖像檢索第5章　基于紋理特征的圖像檢索第6章　基于壓縮域的圖像檢索第7章　高維索引技術(shù)附錄A　基于輪廓的圖像檢索系統(tǒng)　附錄B　系統(tǒng)中本文算法實(shí)現(xiàn)代碼

章節(jié)摘錄

　?。?）軍用產(chǎn)品的設(shè)計(jì)。戰(zhàn)爭一般都在野外環(huán)境進(jìn)行，因此為避免人員的裝備輕易暴露，需要對它們進(jìn)行偽裝，應(yīng)用紋理分析的知識設(shè)計(jì)以假亂真的偽裝器材。其中包括人員、車輛、飛行器的迷彩設(shè)計(jì)、噴涂、火炮、艦艇、車輛的偽裝網(wǎng)設(shè)計(jì)等。　?。?）文本分割。在一定距離之外，印刷文檔的文字區(qū)域可以看成紋理區(qū)域，對于特定的語言，字體文本表現(xiàn)為特定的紋理，使用紋理分析方法從掃描文本的圖像區(qū)域分割出文本區(qū)域，成為印刷文檔自動數(shù)字化的重要步驟?！　。?）基于內(nèi)容的圖像檢索。隨著因特網(wǎng)和數(shù)字技術(shù)的飛快發(fā)展，人們所接觸的圖像的數(shù)目和種類越來越多，為了有效地瀏覽和使用這些圖像，需要使用功能強(qiáng)大的圖像檢索工具，而紋理則是進(jìn)行圖像檢索的一個(gè)非常重要的特征依據(jù)，可以根據(jù)圖像間紋理特征的相似程度，從數(shù)據(jù)庫中找出在視覺上最接近的圖像?！　?.1.5紋理描述存在的問題　　盡管紋理是計(jì)算機(jī)視覺和圖像處理領(lǐng)域中一個(gè)的重要研究內(nèi)容，而且研究者已經(jīng)做了大量的工作，提出了許多有價(jià)值的研究成果，但目前仍然存在許多挑戰(zhàn)性的問題等待解決?！　。?）由于紋理具有廣泛性和多樣性，因而對紋理還沒有一個(gè)大家都能接受的精確定義。如第一節(jié)所述，雖然有眾多學(xué)者給出了一些紋理的定義，但這些不同的定義依賴于不同學(xué)者對紋理的不同的理解和具體的應(yīng)用，并未獲得大家一致的認(rèn)可。　?。?）紋理分析方法種類繁多，但至今還沒有一個(gè)特別有效的方法在紋理分類方面取得令人滿意的性能。許多己發(fā)表的文獻(xiàn)上的紋理分類方法，在做實(shí)驗(yàn)驗(yàn)證時(shí)大都選用標(biāo)準(zhǔn)紋理測試集Brodatz的一個(gè)子集，測試子集的選用對各種方法的評估影響至關(guān)重要，在Brodatz全集上的性能測試相對于在子集上，尤其是一個(gè)小的子集上的測試更加令人信服。然而，許多方法在Brodatz全集上的性能并不能令人滿意，很少的文獻(xiàn)在測試時(shí)選用Brodatz紋理全集作為測試數(shù)據(jù)。目前仍有許多學(xué)者在探索新的理論和方法，試圖找到一個(gè)非常有效的紋理描述方法?！　。?）盡管現(xiàn)實(shí)中的場景都是彩色的，但目前有關(guān)紋理的研究大部分都集中在灰度紋理領(lǐng)域，彩色紋理的研究很少有人關(guān)注。目前，對彩色紋理分析還處于探索階段，還沒有一個(gè)非常有效的彩色紋理描述方法?！　。?）紋理分析方法盡管在理論探索方面取得了很多的成果，然而，這些方法由于理論性較高，不容易被其他領(lǐng)域的研究人員以及工程技術(shù)人員所理解和接受，使得許多方法并不能成功地應(yīng)用到其他領(lǐng)域。　　隨著紋理分析探索的進(jìn)一步深入，紋理分析的系統(tǒng)理論框架將變得愈加清晰，有關(guān)紋理研究領(lǐng)域存在的一系列難題將會得到很好的解決。

編輯推薦

　　《圖像低層特征提取與檢索技術(shù)》在論述CBIR技術(shù)時(shí)，重點(diǎn)放在圖像低層特征（感知層特征）的提取及檢索技術(shù)上。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    圖像低層特征提取與檢索技術(shù) PDF格式下載

---